Apuntes de SE

SISTEMAS EXPERTOS Csari Matilde 1

01. SISTEMAS EXPERTOS

Un Sistema Basado en el Conocimiento (SBC) es aquel en el que aparece representado el conocimiento de un dominio determinado, de tal forma que dicha representacin sea procesable por un programa informtico. Un Sistema Experto (SE) es un SBC al que se le incorpora conocimiento proveniente de expertos en dicho dominio. La finalidad de un SE es la resolucin de problemas del dominio para el que ha sido creado, aplicando tcnicas de razonamiento sobre el conocimiento que alberga su base de conocimiento (BC). 1. DEFINICIN Y CARACTERSTICAS Los sistemas expertos, dentro del campo de la inteligencia artificial, son sistemas capaces de realizar algo muy parecido a razonar y pensar. Permiten crear mquinas que razonan en un espacio restringido de conocimientos, siguiendo los pasos que seguira un experto humano. Actuan como un especialista humano en un dominio particular o rea de conocimiento. El experto humano transmite su conocimiento al sistema, y el usuario lo utiliza para resolver problemas con el eficacia del especialista. El usuario tambin puede aprender observando, es decir, puede considerarse al sistema experto como un medio de ejecucin y transmisin del conocimiento. La caracterstica fundamental de un sistema experto es que separa los conocimientos almacenados (base de conocimiento) del programa que los controla (motor de inferencia). Los datos propios de un determinado problema se almacenan en una base de datos aparte (base de hechos). Un sistema experto puede definirse como "un programa de computadora que resuelve problemas que requieren experiencia humana, mediante el uso de representacin del conocimiento y procedimientos de decisin, [Kastner, 1984]. As pues los SE son programas que hacen explicito el conocimiento alojado en los expertos, que tienen informacin especfica de un tema concreto y que realizan una tarea relativa a este tema. Son llamados expertos por que emulan el comportamiento de un experto en un tema concreto y en ocasiones son usados por ellos. Simula el proceso de aprendizaje, de memorizacin, de razonamiento, de comunicacin y de accin de un experto humano en una determinada rama de la ciencia o campo, suministrando, de esta forma, un consultor que puede suministrar ayuda a (o en algunos casos sustituir completamente) los expertos humanos con un grado razonable de fiabilidad. El xito de un sistema experto radica fundamentalmente en el conocimiento sobre el tema que trata y su capacidad de aprendizaje. El conocimiento sobre el tema proporciona al sistema experto mayor informacin sobre el problema a tratar y su entorno, de forma que pueda generar y adaptar soluciones de forma ms precisa, de forma similar a un experto especializado. El aprendizaje, inductivo o deductivo segn corresponda, proporcionar al sistema experto mayor autonoma a la hora de abordar problemas totalmente desconocidos, pudiendo generar nuevo conocimiento partiendo del extrado inicialmente del experto o expertos humanos Un sistema experto necesita ser enseado, pero puede asimilar gran cantidad de conocimientos, y nunca olvida el conocimiento. Un sistema experto puede crear su propia base de conocimiento, aunque esta es una tarea muy difcil. Uno de los objetivos que se persigue es conseguir que expertos, sin necesidad de que sepan programar, amplen la base de conocimiento.

Es importante diferenciar entre estos sistemas y los clsicos. En la Tabla 1, podemos observar las principales diferencias entre un sistema clsico y un sistema experto.


SISTEMA CLSICO SISTEMA EXPERTO

Conocimiento y procesamiento combinados en un programa

Base de conocimientos separada del mecanismo de procesamiento

No contiene errores Puede contener errores

No da explicaciones, los datos se usan o escriben

Una parte del sistema experto lo forma el mdulo de explicacin

Cambios tediosos. El sistema solo opera completo

Las cambios en reglas son fciles. El sistema puede funcionar con pocas reglas

Se ejecuta paso a paso y necesita informacin completa

para operar

La ejecucin usa heursticas y lgica, y puede operar con informacin incompleta

Representa y usa datos Representa y usa conocimiento

Tabla 1. Sistemas clsicos vs Sistemas expertos

Las caractersticas fundamentales de un sistema experto son:

1. Dominio reducido: se especializan en un campo limitado, como puede ser la interpretacin de espectrogramas qumicos, la prospeccin geolgica, las enfermedades infecciosas, etc.

2. Coleccin integrada de Conocimiento: Los agentes que constituyen el sistema pueden representar los juicios de muchos expertos en varias partes del globo. Estas experiencias son guardadas en un solo lugar por lo que es posible su utilizacin luego por expertos o no expertos tambin. Sin embargo, la real utilidad de este sistema es que permite un constante intercambio de datos y juicios de lderes expertos, y esto permite la formacin de nuevas reglas e ideas acerca del tema.

3. Competencia en su campo: al igual que un experto humano es una persona que sabe mucho sobre su especialidad, de modo que puede dar respuestas rpidas y fiables, un sistema experto debe resolver los mismos problemas con una eficiencia comparable a la de un especialista humano.

Sin embargo, los sistemas expertos se estn aplicando en varios tipos de problemas del mundo real; las tareas que realizan pueden clasificarse como interpretacin, prediccin, diagnstico, diseo, planificacin, monitorizacin, depuracin, reparacin, instruccin y control [Garca Martnez y Britos, 2004].

4. Separacin conocimiento / inferencia: Decir que existe una separacin muy clara entre el conocimiento y el mecanismo de razonamiento, significa que no interviene ningn conocimiento especializado en la concepcin del motor de inferencia y en todo lo concerniente a la base de conocimiento. Los elementos que la constituyen son independientes los unos de los otros; el orden en el cual se introducen los elementos en el sistema no tiene ninguna influencia en los resultados

sta es una caracterstica presente en todos los programas de IA., y distingue los SS.EE. de programas anteriores (por ejemplo, las ayudas al diagnstico mdico basadas en rboles de decisin), en que el conocimiento sobre el campo estaba implcito en el cdigo del programa. Esta separacin tiene como primera ventaja la facilidad de ampliar o depurar el conocimiento que posee el sistema, sin tener que modificar el algoritmo de inferencia.

5. Capacidad de inferencia deductiva: Esto significa que los agentes no solo eran capaces de recuperar informacin almacenada en la base de datos sino hacer deducciones usando la informacin para hacer deducciones que produzcan nuevas informaciones para la base de datos.

6. Tienen un carcter declarativo. El programa se escribe bajo la forma de un conjunto de especificaciones, independientes unas de otras (elementos de conocimiento), que se ponen en accin dinmicamente por un procedimiento de resolucin que es independiente de la naturaleza del conocimiento (motor de inferencia)

7. Capacidad de explicacin relativa a los razonamientos que efectan hasta llegar a una conclusin. Al tener representado explcitamente el conocimiento, el sistema puede "reflexionar" sobre la informacin que posee y la forma en que la ha utilizado. Estas explicaciones deben, no solamente ser expresadas en el lenguaje del experto, sino corresponderse, tambin, con un comportamiento que le parezca natural al experto. Estos dos puntos son fundamentales, ya que permiten al experto corregir, enriquecer y validar el sistema..

8. Flexibilidad en el dilogo: Consiste en la capacidad de generar preguntas de acuerdo con el razonamiento, tal como puede hacer un experto, a diferencia de los programas que presentan un cuestionario rgido con gran cantidad de preguntas irrelevantes. (Los SS.EE. destinados a la interpretacin de datos constituyen una excepcin, pues en este caso toda la informacin est disponible desde el primer momento y no es necesario generar preguntas.).


9. Tratamiento de la incertidumbre: Esta caracterstica es una consecuencia de la complejidad de los problemas que abordan los SS.EE., pues en el mundo real hay muchas fuentes de incertidumbre, asociadas a los datos (inexactitudes e imprecisiones), al dominio en s (relaciones probabilsticas) o al conocimiento disponible (informacin incompleta, causas desconocidas, falta de acuerdo entre los expertos, etc.).

Al ser estas caractersticas muy numerosas, podemos decir que son raros los SE que cumplen todos estos requisitos. Sin embargo esta relacin sirve para centrar la nocin de SE, mediante el examen de los SE tericamente perfectos.

2. ESTRUCTURA BSICA DE UN SISTEMA EXPERTO El esquema bsico de un sistema experto se muestra en la figura 1.1

Figura.1.1 Esquema bsico de un SE

All se identifican fundamentalmente dos mdulos: el conocimiento y el razonamiento. Tpicamente, un ingeniero de conocimiento se entrevista con un experto del dominio para aclarar el conocimiento del experto, que ms tarde se traduce a reglas. As pues, el mdulo de conocimiento est conformado en base a reglas. El mdulo de razonamiento est constituido por el mecanismo de inferencia que permite generar conclusiones a partir de un conjunto de hechos tratados por el mdulo de conocimiento. Tras construirse el sistema inicial, debe refinarse iterativamente hasta conseguir un resultado de alto nivel. En la estructura 1clsica de un sistema experto el motor de inferencia es el elemento central encargado de coordinar todos los dems. Entre ellos, tiene especial importancia la base de conocimiento pues, como su nombre indica, contiene el conocimiento relativo al dominio. Generalmente consta de un conjunto de reglas, un conjunto de marcos, una red o una combinacin de varios de ellos.

Figura 1.2 Estructura clsica de un sistema experto

1 sta es la estructura clsica, aplicable sobre todo a los sistemas basados en reglas.


El tercer elemento clave de un sistema experto es el interfaz de usuario. Aparentemente, su importancia es secundaria. Sin embargo, la aceptacin de un sistema experto por parte de sus destinatarios depende en gran medida de que el interfaz sea potente, fcil de manejar y agradable.

A diferencia de la base de conocimiento, que es esttica, existe una base de afirmaciones dinmica, donde el motor de inferencia almacena las conclusiones que va obteniendo, y a su vez busca en ella las premisas que le permitan obtener otras nuevas. El contenido de la base de afirmaciones es diferente para cada consulta que se realiza.

Por ltimo, hay un componente de poca importancia conceptual, pero que resulta imprescindible en la prctica: una base de datos gestionada por el programa, pues en casi todas las aplicaciones de la vida real se hace necesario almacenar y recuperar de forma eficiente grandes cantidades de informacin.

Conviene insistir en la diferencia entre base de datos y base de conocimiento. La primera almacena informacin puntual; por ejemplo, "el paciente tiene 36 aos, pesa 75 Kg., mide 1'73, padeci fiebre reumtica, etc.". La base de conocimiento, en cambio, contiene informacin sobre como relacionar los datos y los conceptos entre s: "la fiebre reumtica produce estenosis mitral en el 30% de las personas menores de 40 aos".

a) Base de Conocimientos: es donde se almacena el conocimiento del campo a desarrollar. Los conocimientos que se suelen almacenar son de cuatro tipos: conocimiento objetivo, que describe la situacin real del sistema; conocimiento de sucesos, relacionado con los sucesos que ocurren en el tiempo de ejecucin; conocimiento del funcionamiento del sistema, de cmo se hacen las cosas, y metaconocimiento, que relaciona los anteriores. Contiene el conocimiento del tema, generalmente proporcionado por un experto en el tema, convenientemente formalizado y estructurado. La representacin del conocimiento por lo general es sencilla y mediante reglas. Existen varias formas de representar el conocimiento: - Marcos (Frames): son estructuras de datos donde se almacenan informacin concreta de un cierto

concepto e informacin relacional para completar la definicin del concepto. Se representan por una serie de campos y los valores asociados a los mismos, pudiendo ser otro "frame".

- Redes semnticas: son representaciones grficas del conocimiento, mediante nodos, que representan objetos o conjuntos de objetos, y arcos, que relacionan dichos objetos. Tanto los "frames" como las redes son representaciones descriptivas, difciles de usar para representar el razonamiento.

- Reglas: es la forma ms extendida de representacin del conocimiento. Representan la forma de razonar. Tienen la forma SI ENTONCES . Es importante el orden de ejecucin de las reglas, por ello se les suele dotar de prioridades. Una regla que activa otra se denomina metaregla, y se suelen usar para desarrollar progresivamente el conocimiento del experto.

Una labor fundamental es la Adquisicin del Conocimiento y su representacin mediante alguna de las formas anteriores. Una de las tcnicas ms usadas son las entrevistas con los responsables del proceso, donde se consume la mayora del tiempo. Adems se suelen usar las bases de datos existentes en el sistema, aadir modelos matemticos o heursticos, y analizar el sistema mediante programas de simulacin. Tambin en entornos dinmicos, como los sistemas de produccin, se adquiere conocimiento con el tiempo

b) Base de hechos: representa el conocimiento del estado del sistema en un cierto instante. Usualmente se representa en una base de datos, y su informacin est directamente enlazada con la base de conocimientos. Un hecho puede provocar el disparo de una regla.

c) Motor de Inferencia: utiliza la base de conocimiento y de hechos combinndolas y fusionndolas, para realizar una serie de razonamientos acerca del problema en cuestin. Funciona como un supervisor, extrae conclusiones a partir de los datos simblicos que estn almacenados en las bases de hechos y de conocimiento. Dependen en gran medida de la representacin elegida; por su importancia analizaremos los motores de inferencia basados en reglas. Para obtener conclusiones, los expertos utilizan diferentes mecanismos y estrategias de inferencia y control. Entre los mecanismos de inferencia estn, [Gutirrez, 1994]: Modus Ponens y Modus Tollens. Las estrategias de inferencia pueden ser simples o compuestas. Estas ltimas permiten estructurar el conocimiento en diferentes niveles, y en este caso, se d un encadenamiento de reglas que conducen finalmente a una conclusin.


1. Modus Ponens y Modus Tollens: El Modus Ponens es quizs la estrategia de inferencia mas comnmente utilizada. Se utiliza para obtener conclusiones simples. En ella, se examina la premisa de la regla, y si es cierta, la conclusin pasa a formar parte del conocimiento. Por ejemplo, supngase que se tiene la regla, Si A es cierto, entonces B es cierto" y que se sabe adems que A es cierto". La regla Modus Ponens concluye que B es cierto." Esta regla de inferencia, que parece trivial, debido a su familiaridad, es la base de un gran nmero de sistemas expertos. La regla de inferencia Modus Tollens se utiliza tambin para obtener conclusiones simples. En este caso se examina la conclusin y si es falsa, se concluye que la premisa tambin es falsa. Por ejemplo, supngase de nuevo que se tiene la regla, Si A es cierto, entonces B es cierto" pero se sabe que B es falso." Entonces, utilizando la regla Modus Ponens no se puede obtener ninguna conclusin pero la regla Modus Tollens concluye que A es falso". El rendimiento del motor de inferencia depende del conjunto de reglas en su base de conocimiento. Hay situaciones en las que el motor de inferencia puede concluir utilizando un conjunto de reglas, pero no puede, utilizando otro (aunque estos sean lgicamente equivalentes).

2. Encadenamiento de Reglas: Una de las estrategias de inferencia ms utilizadas para obtener conclusiones compuestas es el llamado encadenamiento de reglas. Esta estrategia puede utilizarse cuando las premisas de ciertas reglas coinciden con las conclusiones de otras. Cuando se encadenan las reglas, los hechos pueden utilizarse para dar lugar a nuevos hechos. Esto se repite sucesivamente hasta que no pueden obtenerse ms conclusiones. Existen varios algoritmos de bsqueda a lo largo de las reglas para inferir conclusiones a partir de los hechos y las reglas. Todos los algoritmos son del tipo "pattern-matching", que van disparando reglas a medida que se cumplen las condiciones.

Se pueden diferenciar dos mecanismos de inferencia: - Encadenamiento hacia adelante: se extraen conclusiones a partir del cumplimiento de las condiciones

de ciertas reglas que, a su vez, provocarn el cumplimiento de las condiciones en otras reglas hasta que no se cumplan en ninguna de ellas.

- Encadenamiento hacia atrs: se suponen ciertas las conclusiones de una regla y, como consecuencia, se van disparando aquellas reglas que provocaran la regla original. El proceso acaba si no se cumplen las condiciones de las reglas o si se cumplen para todas las reglas.

Es importante destacar que la base de conocimientos y el motor de inferencia son sistemas independientes, por lo que se han desarrollado herramientas que nicamente necesitan la implementacin del conocimiento, llevando incorporado el motor de inferencia.

d) Mdulo explicativo: es el mdulo que explica al usuario la estrategia de solucin encontrada y el por qu de las decisiones tomadas. Es el que permite justificar y explicar el anlisis completo del problema y las soluciones propuestas, as como la semejanza o diferencia entre dicha solucin y las de los casos histricos. El proceso completo que se realiza en un sistema de razonamiento basado en casos se puede representar como un ciclo de actividades: - RECUPERAR el o los casos ms parecidos al problema actual. Para ello el sistema utiliza la librera de ndices. - REUTILIZAR la informacin y el conocimiento de dicho caso para intentar resolver el problema. - REVISAR la solucin propuesta si es necesario. - RETENER la parte til de esta experiencia para ser utilizada en la resolucin de futuros problemas.

e) Interfaz de usuario: permite la comunicacin entre el usuario y el sistema experto. El usuario puede consultar con el sistema a travs de mens, grficos, entre otros, y ste le responde con resultados. Tambin es interesante mostrar la forma en que extrae las conclusiones a partir de los hechos. En sistemas productivos se cuida la forma de presentar al operador las rdenes obtenidas del sistema experto, debido a que informacin excesiva o confusa dificulta la actuacin en tiempo real.

f) Mdulo de adquisicin del conocimiento: a travs de este componente el ingeniero del conocimiento o el experto del tema puede construir inicialmente el sistema o actualizar el conocimiento de la base de conocimientos en general. Permite incorporar los hechos y las reglas al sistema y probar y depurar los cambios realizados. Adicionalmente, por medio de ste se pueden realizar actividades relacionadas con la configuracin del sistema, especficamente del motor de inferencia, de acuerdo con las necesidades del usuario. Una forma bsica de integrar un sistema experto en el mecanismo de control es la mostrada en la figura 1.4, donde el sistema recoge la informacin en tiempo real del proceso y la procesa para dar respuesta al usuario.


Los sistemas expertos parecen adecuados para la utilizacin como apoyo a la toma de decisiones en tiempo real, y como aprendizaje en modo estudio. La mayora de los sistemas expertos que se utilizan en control de la produccin monitorizan los resultados para que el operador tome la decisin.

Figura 1.4 SE integrado a un mecanismo de control

La implementacin de un sistema experto completo obliga al desarrollo de cada uno de los elementos anteriores a travs de lenguajes o herramientas de desarrollo. Existen cuatro alternativas para la implementacin de un sistema experto:

- Lenguajes de alto nivel (HLL): son lenguajes de propsito general (C, Fortran, Basic,...). Tienen como ventajas su eficiencia, su familiaridad y la portabilidad a cualquier entorno, pero el inconveniente de no estar preparados para una programacin basada en smbolos.

- Lenguajes simblicos: fundamentalmente LISP y PROLOG. Son los lenguajes de alto nivel ms utilizados por su adaptacin a la lgica de la base de conocimientos representada mediante smbolos, y por su mecanismo de extraer conclusiones. Su eficiencia aumenta en estaciones de trabajo diseadas para dichos lenguajes.

- Herramientas de desarrollo (shells): son programas preparados para el desarrollo de sistemas expertos pues incorporan el motor de inferencia, independiente de las bases de hechos y de conocimiento. El programador se limita a traducir dichas bases a un lenguaje preparado a tal efecto, pudiendo enlazarse con otros lenguajes para el desarrollo de funciones adicionales. Suelen estar desarrollados en CLIPS, LISP o PROLOG para aumentar su eficiencia. La flexibilidad es menor, aunque suelen incorporar procesadores de texto, grficos y herramientas de anlisis.

- Entornos de desarrollo (environments): aaden a los shells el uso de un entorno grfico (ventanas, iconos,...) que facilita el desarrollo del sistema experto. Tienen como ventaja la disminucin del tiempo de desarrollo, pero suelen ser caros y poco flexibles.

Los shells son los ms usados para el desarrollo de sistemas expertos, mientras que el PROLOG est muy extendido en Europa y Japn, el LISP lo est en Estados Unidos. Los entornos an ocupan un sector minoritario pero la tendencia a su utilizacin va en aumento.


La base de conocimiento es el pilar central de un SBC, ya que es el depsito donde se almacena el conocimiento del que ste dispone sobre un dominio especfico. La Ingeniera del Conocimiento (IC) es la disciplina de la Inteligencia Artificial (IA) encargada de realizar hacer explcitos los conocimientos de un dominio en una BC separada del resto del sistema en el que se integra. El ingeniero del conocimiento desempea la tarea de educir el conocimiento de los denominados expertos del dominio, que son aquellas personas que albergan el conocimiento que se desea representar en una BC, es decir, aquel que es til para comprender y resolver problemas de un determinado campo de aplicacin.

Las componentes, en detalle [Gmez y Puerta, 1998], se muestran esquemticamente en la Figura 1.5 y se explican seguidamente

FIGURA 1.5 Componentes tpicos de un sistema experto. Las flechas representan el flujo de la

informacin.

La Componente Humana

Un sistema experto es generalmente el resultado de la colaboracin de uno o varios expertos humanos especialistas en el tema de estudio y los ingenieros del conocimiento, con los usuarios en mente. Los expertos humanos suministran el conocimiento bsico en el tema de inters, y los ingenieros del conocimiento trasladan este conocimiento a un lenguaje, que el sistema experto pueda entender. La colaboracin de los expertos humanos, los ingenieros del conocimiento y los usuarios es, quizs, el elemento ms importante en el desarrollo de un sistema experto. Esta etapa requiere una enorme dedicacin y un gran esfuerzo debido a los diferentes lenguajes que hablan las distintas partes y a las diferentes experiencias que tienen.


La Base de Conocimiento

Es una estructura de datos que contiene una gran cantidad de informacin sobre un tema especfico, generalmente introducida por un experto en dicho tema (se puede asociar a una memoria permanente), sobre el cual se desarrolla la aplicacin. Este conocimiento lo constituye la descripcin de:

- Objetos a tener en cuenta y sus relaciones - Casos particulares o excepciones y diferentes estrategias de resolucin con sus condiciones de

aplicacin (meta-conocimiento, es decir, conocimiento sobre el conocimiento)

Los especialistas son responsables de suministrar a los ingenieros del conocimiento una base de conocimiento ordenada y estructurada, y un conjunto de relaciones bien definidas y explicadas. Esta forma estructurada de pensar requiere que los expertos humanos repiensen, reorganicen, y reestructuren la base de conocimiento y, como resultado, el especialista se convierte en un mejor conocedor de su propio campo de especialidad.

Hay que diferenciar entre datos y conocimiento. El conocimiento se refiere a afirmaciones de validez general tales como reglas, distribuciones de probabilidad, etc. Los datos se refieren a la informacin relacionada con una aplicacin particular. Por ejemplo, en diagnstico mdico, los sntomas, las enfermedades y las relaciones entre ellos, forman parte del conocimiento, mientras los sntomas particulares de un paciente dado forman parte de los datos. Mientras el conocimiento es permanente, los datos son efmeros, es decir, no forman parte de la componente permanente de un sistema y son destruidos despus de usarlos. El conocimiento se almacena en la base de conocimiento y los datos se almacenan en la memoria de trabajo. Todos los procedimientos de los diferentes sistemas y subsistemas que son de carcter transitorio se almacenan tambin en la memoria de trabajo.

Memoria de Trabajo

Es una memoria auxiliar que contiene a la vez los datos sobre la situacin concreta en la cual se va a realizar la aplicacin (hechos iniciales que describen el enunciado del problema a resolver) y los resultados intermedios obtenidos a lo largo del procedimiento de deduccin. Esta base (memoria temporal) no se conserva (salvo por necesidades del usuario) y depende exclusivamente de la situacin estudiada.

Subsistema de Adquisicin de Conocimiento

El conocimiento puede introducirse por el experto o por el ingeniero de conocimiento (en este caso el mdulo puede contener funciones de interfase con el usuario) o provenir directamente de sensores, bases de datos, otros software Debe, pues, recibir el conocimiento, verificar la verosimilitud de ste, organizar la coherencia de la base de conocimientos y transformar los datos en conocimientos incorporados al sistema.

El subsistema de adquisicin de conocimiento controla el flujo del nuevo conocimiento que fluye del experto humano a la base de datos. El sistema determina qu nuevo conocimiento se necesita, o si el conocimiento recibido es en realidad nuevo, es decir, si debe incluirse en la base de datos y, en caso necesario, incorpora estos conocimientos a la misma. Si el conocimiento inicial es muy limitado y no se pueden sacar conclusiones, el motor de inferencia utiliza el subsistema de adquisicin de conocimiento para obtener el conocimiento necesario y continuar con el proceso de inferencia hasta que se hayan sacado conclusiones. En algunos casos, el usuario puede suministrar la informacin requerida para ste y otros objetivos. De ello resulta la necesidad de una interfase de usuario y de una comprobacin de la consistencia de la informacin suministrada por el usuario antes de introducirla en la memoria de trabajo. Si bien estos mdulos no existen en todos los SE, o estn organizados de diferentes formas, la funcin que realizan son de todo punto indispensable en estos sistemas.

Control de la Coherencia

El subsistema de control de la coherencia ha aparecido en los sistemas expertos muy recientemente. Sin embargo, es una componente esencial de un sistema experto. Este susbsistema controla la consistencia de la base de datos y evita que unidades de conocimiento inconsistentes entren en la misma.


En situaciones complejas incluso un experto humano puede formular afirmaciones inconsistentes. Por ello, sin un subsistema de control de la coherencia, unidades de conocimiento contradictorio pueden formar parte de la base de conocimiento, dando lugar a un comportamiento insatisfacto-rio del sistema. Es tambin bastante comn, especialmente en sistemas conmecanismos de propagacin de incertidumbre, que se llegue a conclusiones absurdas o en conflicto como, por ejemplo, situaciones en las que el sistema genera probabilidades mayores que la unidad o negativas. Por ello, el subsistema de control de la coherencia comprueba e informa a los expertos de las inconsistencias. Por otra parte, cuando se solicita informacin de los expertos humanos, ste subsistema informa sobre las restricciones que sta debe cumplir para ser coherente con la existente en la base de conocimiento. De esta forma, ayuda a los expertos humanos a dar informacin fiable.

El Motor de Inferencia

El motor de inferencia es el corazn de todo sistema experto, ponen en accin los elementos de la base de conocimientos para construir los razonamientos. El cometido principal de esta componente es el de sacar conclusiones aplicando el conocimiento a los datos. Por ejemplo, en diagnstico mdico, los sntomas de un paciente (datos) son analizados a la luz de los sntomas y las enfermedades y de sus relaciones (conocimiento). Ejecuta las inferencias (deducciones) en el curso del proceso de resolucin, bien sea por modificacin, bien por adjuncin de los elementos de la base de hechos. Frente a una situacin dada, detecta los conocimientos que interesan, los utiliza, los encadena, y construye un plan de resolucin independiente del dominio y especificidad del caso tratado. Las conclusiones del motor de inferencia pueden estar basadas en conocimiento determinista o conocimiento probabilstico. Como puede esperarse, el tratamiento de situaciones de incertidumbre (probabilsticas) puede ser considerablemente ms difcil que el tratamiento de situaciones ciertas (deterministas). En muchos casos, algunos hechos (datos) no se conocen con absoluta certeza. Por ejemplo, pinsese en un paciente que no est seguro de sus sntomas. Puede darse el caso de tener que trabajar con conocimiento de tipo no determinista, es decir, de casos en los que se dispone slo de informacin aleatoria o difusa. El motor de inferencia es tambin responsable de la propagacin de este conocimiento incierto. De hecho, en los sistemas expertos basados en probabilidad, la propagacin de incertidumbre es la tarea principal del motor de inferencia, que permite sacar conclusiones bajo incertidumbre. Esta tarea es tan compleja que da lugar a que sta sea probablemente la componente ms dbil de casi todos los sistemas expertos existentes. Por esta razn, la mayor parte de este libro se dedica al anlisis y resolucin del problema de la propagacin de incertidumbre.

Interfase de Usuario

La interfase de usuario es el enlace entre el sistema experto y el usuario. Tambin denominado Sistema de Consulta. Es el que gobierna el dilogo entre el usuario y el sistema. Su objetivo es el de permitir un dilogo en un lenguaje cuasi-natural con la mquina. Adems, este mdulo traduce el espaol (o cualquier otra lengua) al lenguaje interno y viceversa.

Por ello, para que un sistema experto sea una herramienta efectiva, debe incorporar mecanismos eficientes para mostrar y obtener informacin de forma fcil y agradable. Un ejemplo de la informacin que tiene que ser mostrada tras el trabajo del motor de inferencia, es el de las conclusiones, las razones que expliquen tales conclusiones y una explicacin de las acciones iniciadas por el sistema experto. Por otra parte, cuando el motor de inferencia no puede concluir debido, por ejemplo, a la ausencia de informacin, la interfase de usuario es un vehculo para obtener la informacin necesaria del usuario. Consecuentemente, una implementacin inadecuada de la interfase de usuario que no facilite este proceso minara notablemente la calidad de un sistema experto. Otra razn de la importancia de la interfase de usuario es que los usuarios evalan comnmente los sistemas expertos y otros sistemas por la calidad de dicha interfase ms que por la del sistema experto mismo, aunque no se debera juzgar la calidad de un libro por su portada.


El Subsistema de Ejecucin de Ordenes

El subsistema de ejecucin de rdenes es la componente que permite al sistema experto iniciar acciones. Estas acciones se basan en las conclusiones sacadas por el motor de inferencia. Como ejemplos, un sistema experto diseado para analizar el trfico ferroviario puede decidir retrasar o parar ciertos trenes para optimizar el trfico global, o un sistema para controlar una central nuclear puede abrir o cerrar ciertas vlvulas, mover barras, etc., para evitar un accidente. La explicacin de las razones por las que se inician estas acciones pueden darse al usuario mediante el subsistema de explicacin.

El Subsistema de Explicacin

Permite trazar el camino tomado en el razonamiento (inferencias efectuadas). Este mdulo aporta una ayuda considerable al informtico para refinar la gestin del motor de inferencia y le es igualmente til al experto, en la construccin y verificacin de la coherencia de la base de conocimiento y explica, tambin, al usuario, cmo ha deducido tal hecho y por qu plantea tal cuestin. En muchos dominios de aplicaciones, es necesaria la explicacin de las conclusiones debido a los riesgos asociados con las acciones a ejecutar. Por ejemplo, en el campo del diagnstico mdico, los doctores son responsable ltimos de los diagnsticos, independientemente de las herramientas tcnicas utilizadas para sacar conclusiones. En estas situaciones, sin un subsistema de explicacin, los doctores pueden no ser capaces de explicar a sus pacientes las razones de su diagnstico.

El Subsistema de Aprendizaje

Una de las principales caractersticas de un sistema experto es su capacidad para aprender. Diferenciaremos entre aprendizaje estructural y aprendizaje paramtrico. Por aprendizaje estructural nos referimos a algunos aspectos relacionados con la estructura del conocimiento (reglas, distribuciones de probabilidad, etc.). Por ello, el descubrimiento de nuevos sntomas rele-vantes para una enfermedad o la inclusin de una nueva regla en la base de conocimiento son ejemplos de aprendizaje estructural. Por aprendizaje paramtrico nos referimos a estimar los parmetros necesarios para construir la base de conocimiento. Por ello, la estimacin de frecuencias o probabilidades asociadas a sntomas o enfermedades es un ejemplo de aprendizaje paramtrico. Otra caracterstica de los sistemas expertos es su habilidad para obtener experiencia a partir de los datos disponibles. Estos datos pueden ser obtenidos por expertos y no expertos y pueden utilizarse por el subsistema de adquisicin de conocimiento y por el subsistema de aprendizaje. De las componentes antes mencionadas puede verse que los sistemas expertos pueden realizar varias tareas. Estas tareas incluyen, pero no se limitan a, las siguientes:

Adquisicin de conocimiento y la verificacin de su coherencia; por lo que el sistema experto puede ayudar a los expertos humanos a dar conocimiento coherente.

Almacenar (memorizar) conocimiento. Preguntar cundo se requiere nuevo conocimiento. Aprender de la base de conocimiento y de los datos disponibles. Realizar inferencia y razonamiento en situaciones deterministas y de incertidumbre. Explicar conclusiones o acciones tomadas. Comunicar con los expertos y no expertos humanos y con otros sistemas expertos.

La unin del motor de inferencia y de los interfases, forma lo que se denomina "sistema esencial" o ms sencillamente: una herramienta software de ayuda al desarrollo de los SE. Basta administrarle una experiencia especifica para hacerle competente en un dominio cualquiera. De hecho, la constitucin de la base de conocimiento sigue siendo, a pesar de ello, larga y delicada, puesto que es necesario extraer el conocimiento del experto y transferirlo al SE. Este proceso constituye de por s un nuevo dominio de investigacin independiente, la cognimtica. A las personas que realizan este proceso se les denomina cognimticos o ingenieros de conocimiento.


3. EJEMPLOS, TIPOS Y VENTAJAS Ejemplos Ilustrativos Los sistemas expertos tienen muchas aplicaciones. En esta seccin se dan unos pocos ejemplos ilustrativos del tipo de problemas que pueden resolverse mediante sistemas expertos. Otros ejemplos prcticos se dan a lo largo del libro.

Ejemplo 1.1 Transacciones bancarias. No hace mucho, para hacer una transaccin bancaria, tal como depositar o sacar dinero de una cuenta, uno tena que visitar el banco en horas de oficina. Hoy en da, esas y otras muchas transacciones pueden realizarse en cualquier momento del da o de la noche usando los cajeros automticos que son ejemplos sencillos de sistemas expertos. De hecho, se pueden realizar estas transacciones desde casa comunicndose con el sistema experto mediante la lnea telefnica. Ejemplo 1.2 Control de trfico. El control de trfico es una de las aplicaciones mas importantes de los sistemas expertos. No hace mucho tiempo, el ujo de trfico en las calles de una ciudad se controlaba mediante guardias de trfico que controlaban el mismo en las intersecciones. Hoy se utilizan sistemas expertos que operan automticamente los semforos y regulan el ujo del trfico en las calles de una ciudad y en los ferrocarriles. En la Seccin 2.6 y en los ejercicios del Captulo 2 se dan ejemplos de estos sistemas. Ejemplo 1.3 Problemas de planificacin. Los sistemas expertos pueden utilizarse tambin para resolver problemas complicados de planificacin de forma que se optimicen ciertos objetivos como, por ejemplo, la organizacin y asignacin de aulas para la realizacin de exmenes finales en una gran universidad, de forma tal que se logren los objetivos siguientes: - Eliminar las coincidencias de asignacin simultnea de aulas: Slo se puede realizar un examen en cada

aula al mismo tiempo. - Asientos suficientes: Un aula asignada para un examen debe tener al menos dos asientos por estudiante. - Minimizar los conictos temporales: Minimizar el nmero de alumnos que tienen exmenes

coincidentes. - Eliminar la sobrecarga de trabajo: Ningn alumno debe tener ms de dos exmenes en un periodo de 24

horas. - Minimizar el nmero de exmenes realizados durante las tardes.

Otros ejemplos de problemas de planificacin que pueden ser resueltos mediante sistemas expertos son la planificacin de doctores y enfermeras en un gran hospital, la planificacin en una gran factora, y la planificacin de autobuses para las horas de congestin o de das festivos. Ejemplo 1.4 Diagnstico mdico. Una de las aplicaciones mas importantes de los sistemas expertos tiene lugar en el campo mdico, donde estos pueden ser utilizados para contestar a las siguientes preguntas: 1. Como se puede recoger, organizar, almacenar, poner al da y recuperar la informacin mdica (por

ejemplo, registros de pacientes) de una forma eficiente y rpida? Por ejemplo, supngase que un doctor en un centro mdico est interesado en conocer informacin sobre una cierta enfermedad (E) y tres sntomas asociados (S 1, S 2, y S 3). Se puede utilizar un sistema experto para buscar en la base de datos, extraer y organizar la informacin deseada. Esta informacin puede resumirse en tablas tales como la dada en la Tabla 1.1 o en grficos como el de la Figura 1.2.

2. Como se puede aprender de la experiencia? Es decir, como se actualiza el conocimiento de los doctores en medicina cuando el nmero de pacientes que estos tratan aumenta?

3. Supuesto que un paciente presenta un conjunto de sntomas, como se decide qu enfermedad es la que mas probablemente tiene el paciente?

4. Cules son las relaciones entre un conjunto (normalmente no observable) de enfermedades y un conjunto (observable) de sntomas? En otras palabras, qu modelos pueden utilizarse para describir las relaciones entre los sntomas y las enfermedades?

5. Dado que el conjunto de sntomas conocidos no es suficiente para diagnosticar la enfermedad con cierto grado de certeza, qu informacin adicional debe ser obtenida (por ejemplo, qu sntomas adicionales deben ser identificados? o qu pruebas mdicas deben realizarse?).

6. Cul es el valor de cada una de stas piezas de informacin? En otras palabras, cul es la contribucin de cada uno de los sntomas adicionales o pruebas a la toma de decisin?


Por Que los Sistemas Expertos? El desarrollo o la adquisicin de un sistema experto es generalmente caro, pero el mantenimiento y el coste marginal de su uso repetido es relativamente bajo. Por otra parte, la ganancia en trminos monetarios, tiempo, y precisin resultantes del uso de los sistemas expertos son muy altas, y la amortizacin es muy rpida. Sin embargo, antes de desarrollar o adquirir un sistema experto debe realizarse un anlisis de factibilidad y de coste-beneficio. Hay varias razones para utilizar sistemas expertos. Las ms importantes son:

1. Con la ayuda de un sistema experto, personal con poca experiencia puede resolver problemas que requieren un conocimiento de experto. Esto es tambin importante en casos en los que hay pocos expertos humanos. Adems, el nmero de personas con acceso al conocimiento aumenta con el uso de sistemas expertos.

2. El conocimiento de varios expertos humanos puede combinarse, lo que da lugar a sistemas expertos mas fiables, ya que se obtiene un sistema experto que combina la sabidura colectiva de varios expertos humanos en lugar de la de uno solo.

3. Los sistemas expertos pueden responder a preguntas y resolver problemas mucho mas rpidamente que un experto humano. Por ello, los sistemas son muy valiosos en casos en los que el tiempo de respuesta es crtico.

4. En algunos casos, la complejidad del problema impide al experto humano resolverlo. En otros casos la solucin de los expertos humanos no es fiable. Debido a la capacidad de los ordenadores de procesar un elevadsimo nmero de operaciones complejas de forma rpida y aproximada, los sistemas expertos suministran respuestas rpidas y fiables en situaciones en las que los expertos humanos no pueden.

5. Los sistemas expertos pueden ser utilizados para realizar operaciones montonas, aburridas e inconfortables para los humanos. En verdad, los sistemas expertos pueden ser la nica solucin viable en una situacin en la que la tarea a realizar desborda al ser humano (por ejemplo, un avin o una cpsula espacial dirigida por un sistema experto).

6. Se pueden obtener enormes ahorros mediante el uso de sistemas expertos. El uso de los sistemas expertos se recomienda especialmente en las situaciones siguientes: - Cuando el conocimiento es difcil de adquirir o se basa en reglas que slo pueden ser

aprendidas de la experiencia. - Cuando la mejora continua del conocimiento es esencial y/o cuando el problema est sujeto a

reglas o cdigos cambiantes. - Cuando los expertos humanos son caros o difciles de encontrar. - Cuando el conocimiento de los usuarios sobre el tema es limitado.

Tipos de Sistemas Expertos Los problemas con los que pueden tratar los sistemas expertos pueden clasificarse en dos tipos: problemas esencialmente deterministas y problemas esencialmente estocsticos. Por ejemplo, aunque el ejemplo 1.1 (transacciones bancariass) y el Ejemplo 1.2 (control de trfico) pueden contener algunos elementos de incertidumbre, son esencialmente problemas deterministas. Por otra parte, en el campo mdico (ver Ejemplo 1.4) las relaciones entre sntomas y enfermedades se conocen slo con un cierto grado de certeza (la presencia de un conjunto de sntomas no siempre implica la presencia de una enfermedad). Estos tipos de problemas pueden tambin incluir algunos elementos deterministas, pero se trata fundamentalmente de problemas estocsticos. Consecuentemente, Los sistemas expertos pueden clasificarse en dos tipos principales segn la naturaleza de problemas para los que estn diseados: deterministas y estocsticos. Los problemas de tipo determinista pueden ser formulados usando un conjunto de reglas que relacionen varios objetos bien definidos., porque sacan sus conclusiones basndose en un conjunto de reglas utilizando un mecanismo de razonamiento lgico.


En situaciones inciertas, es necesario introducir algunos medios para tratar la incertidumbre. Por ejemplo, algunos sistemas expertos usan la misma estructura de los sistemas basados en reglas, pero introducen una medida asociada a la incertidumbre de las reglas y a la de sus premisas. En este caso se pueden utilizar algunas frmulas de propagacin para calcular la incertidumbre asociada a las conclusiones. Durante las ltimas dcadas han sido propuestas algunas medidas de incertidumbre. Algunos ejemplos de estas medidas son los factores de certeza, la lgica difusa, etc.

Otra medida intuitiva de incertidumbre es la probabilidad, en la que la distribucin conjunta de un conjunto de variables se usa para describir las relaciones de dependencia entre ellas, y se sacan conclusiones usando frmulas muy conocidas de la teora de la probabilidad. Los sistemas expertos que utilizan la probabilidad como medida de incertidumbre se conocen como sistemas expertos probabilstico y la estrategia de razonamiento que usan se conoce como razonamiento probabilstico, o inferencia probabilstica.

Estos modelos, que incluyen las redes de Markov y las Bayesianas, se basan en una representacin grfica de las relaciones entre las variables. Esta representacin conduce no slo a formas ms eficientes de definir la distribucin conjunta de probabilidad sino tambin a una propagacin de incertidumbre muy eficiente, que permite sacar conclusiones.

El principal debate al que dieron origen los sistemas expertos fue el de establecer qu mtodo era el ms adecuado para representar el conocimiento: lgica, reglas, redes o marcos, entre otros.

En general, cada mtodo de representacin tena asociada una forma propia de realizar inferencias. En lugar de optar por un nico mtodo, se prefiri estudiar qu combinacin de los mtodos existentes resultaba conveniente en cada caso concreto. La mayora de sistemas expertos se construyeron en base a reglas y utilizaban objetos, los cuales comparten muchas de las ideas propuestas por Marvin Minsky, para los marcos [Minsky, 1975].


4. APLICACIONES

La aplicacin de Sistemas Expertos ser adecuada all donde los expertos dispongan de conocimientos complejos en un rea estrechamente delimitada, donde no existan algoritmos elaborados (o donde los existentes no puedan solucionar algn problema) y no existan teoras completas. Otro campo de aplicacin es all donde hay teoras, pero resulta prcticamente imposible analizar todos los casos tericamente imaginables mediante algoritmos y en un espacio de tiempo razonable. En estas situaciones hace falta el conocimiento que el experto ha adquirido por experiencia, para llegar a una solucin en un espacio de tiempo aceptable. Los dos tipos de problemas descritos se caracterizan adems por el hecho de que, aunque es posible la existencia de una o ms soluciones, la va de soluciones no esta previamente fijada. Sin embargo, el experto encuentra una solucin al problema gracias a la informacin que posee del problema y a su experiencia. Mientras esta solucin sea susceptible de repeticin y el planteamiento del problema sea claro, existe un razonamiento que puede ser reproducido por un Sistema Experto.

Debido a que la estructuracin y la implementacin del conocimiento del experto requiere una gran cantidad de trabajo, solo valdr la pena el esfuerzo de crear un sistema experto cuando un conocimiento sea valido durante un largo espacio de tiempo y vaya a ser utilizado por el mayor nmero posible de personas. Segn la clase de problemas hacia los que estn orientados, podemos clasificar los Sistemas Expertos en diversos tipos entre los que cabe destacar diagnosis, pronstico planificacin, reparacin e instruccin.

Si se clasifica a los tipos de Sistemas Expertos de acuerdo a la funcin que realizan, estos pueden ser de:

- INTERPRETACIN: infieren la descripcin de situaciones por medio de sensores de datos. Estos S.E. usan datos reales, con errores, con ruidos, incompletos etc. Ejemplos: medicin de temperatura, reconocimiento de voz, anlisis de seales etc.

- PREDICCIN: infieren probables consecuencias de situaciones dadas. Algunas veces usan modelos de simulacin para generar situaciones que puedan ocurrir. Ejemplos: predecir daos a cosechas por algn tipo de insecto.

- DIAGNOSTICO: infieren las fallas de un sistema en base a los sntomas. Utilizan las caractersticas de comportamiento, descripcin de situaciones o conocimiento sobre el diseo de un componente para inferir las causas de la falla. Ejemplos: diagnostico de enfermedades en base a sntomas, encontrar componentes defectuosos o fallas en circuitos.

- DISEO: configuracin de objetos. Utilizan un conjunto de limitaciones y restricciones para configurar objetos. Utilizan un proceso de anlisis para construir un diseo parcial y una simulacin para verificar o probar las ideas. Ejemplos: configuracin de equipos de oficina, de equipos de computo.

- PLANTACIN: disean un curso completo de accin, se descompone la tarea en un subconjunto de tareas. Ejemplo: transferir material de un lugar a otro, comunicaciones, ruteo, planificacin financiera.

- MONITOREO: comparan observaciones del comportamiento del sistema con el comportamiento standard, se compara lo actual con lo esperado. Ejemplo: asistir a un paciente de cuidados intensivos, trafico areo, uso fraudulento de tarjetas de crditos

- DEPURACIN: (debugging) sugieren remedios o correcciones de una falla. Ejemplo: sugerir el tipo de mantenimiento a cables daados, la prescripcin medica a un paciente.

- REPARACIN: sigue un plan para administrar un remedio prescrito. Poco se ha hacho, requiere planeacin, revisin y diagnostico.

- INSTRUCCIN: diagnostican, revisan y reparan el comportamiento de un estudiante. Ejemplo: educar a un estudiante de medicina, usa un modelo del estudiante y planea la correccin de deficiencias.

- CONTROL: gobierna el comportamiento del sistema. Requieren interpretar una situacin actual, predecir el futuro, diagnosticar las causas de los problemas que se pueden anticipar, formular un plan para remediar estas fallas y monitorear la ejecucin de este.


Los sistemas de diagnosis siguen un proceso de bsqueda de las razones del funcionamiento incorrecto de un sistema a partir de la informacin disponible. Aqu se podran tener en cuenta tanto aplicaciones de diagnstico 2mdico como de averas. El campo de la diagnosis abarca otras aplicaciones adems de las mdicas (si bien pueden ser estas ltimas las ms conocidas). Los sistemas de pronstico deducen consecuencias posibles a partir de una situacin. Su objetivo es determinar el curso del futuro en funcin de informacin sobre pasado y presente. Esto abarca diversos 3problemas, tales como predicciones meteorolgicas, predicciones demogrficas, o incluso previsiones de la evolucin burstil entre otros. Existen tambin sistemas de planificacin, pudindose encontrar aplicaciones en este rea, que establecen una secuencia de acciones a realizar encaminadas a la consecucin de una serie de objetivos. A la persona que est planeando la estrategia a seguir por su empresa o que tome decisiones en produccin, marketing, distribucin o asignacin de recursos, los Sistemas Expertos le pueden demostrar que se pueden tomar decisiones con ms conocimiento, llevando a un aumento de ganancias as como a la obtencin de beneficios importantes para la empresa, como el aumento de su capacidad. En cada estadio de los procesos de 4planificacin, decisin y control para las operaciones de produccin, sea sta automatizada o no, las personas expertas son las que asesoran, localizan los fallos y dirigen. Ellas son las que ayudan a interpretar la multitud de datos procedentes de los departamentos de diseo, de la planta de produccin y de los representantes de los clientes, observan modelos procesables en dichos datos, prueban mentalmente, y con ordenadores, posibles lneas de accin, recomiendan las medidas que la gerencia debe tomar y ayudan luego a poner en marcha sistemas pensados para conseguir planificaciones mejores, operaciones ms fluidas y una competencia ms efectiva. Los Sistemas Expertos ofrecen procedimientos informatizados para perfeccionar la toma de decisiones de la gerencia por medio de la combinacin del conocimiento que poseen los expertos acerca del tipo de acciones que tiene que efectuar y la forma y el tiempo en que debe llevarlas a cabo con la permanencia, lgica, memoria y velocidad de clculo del ordenador. El 5diseo es tambin un tema de planificacin. En este caso, a partir de una serie de requerimientos y restricciones, se obtiene el objeto que las satisface.

2 Quiz la ms conocida, a la vez que la ms antigua, podra ser MYCIN. Es un sistema de diagnstico y

prescripcin en medicina, altamente especializado, diseado para ayudar a los mdicos a tratar con infecciones de meningitis y bacteriana. Dichas infecciones pueden ser fatales y a menudo aparecen durante la hospitalizacin. El problema se complica por la necesidad de actuar con rapidez.

3

Quiz la aplicacin ms conocida sea PROSPECTOR, esto es un sistema para la evaluacin de

emplazamientos geolgicos (con el que se encontr un yacimiento de mineral importante). 4 Una de tales aplicaciones es el PALLADIAN OPERATIONS ADVISOR (de Palladian Software, Inc., en Estados

Unidos), diseado especficamente para la direccin de la produccin. El programa ayuda a la planificacin y programacin, asesorando en lo que se refiere a los programas que reducen el trabajo no deseable en niveles de proceso, ajustan el volumen de produccin a la demanda de clientes y evalan los cambios en las operaciones desde los puntos de vista econmico y de produccin. puede analizar el estado de la combinacin de productos para mantener la mayor eficacia y rentabilidad posible de las operaciones.

5 En este campo, LABEIN (Laboratorio de Ensayos e Investigaciones Industriales, Centro de Investigacin

tutelado por el Gobierno Vasco), desarroll un sistema inteligente para el diseo de motores elctricos mediante la aplicacin de las tecnologas clsicas de Sistemas Expertos a los sistemas de CAD/CAE de diseo y anlisis. El problema que motiv este proyecto era que ciertos motores, de entre los elctricos, son de uso frecuente en la industria exigiendo a la vez un diseo a medida de cada caso, por ello se crey conveniente desarrollar una herramienta que asesorase o, incluso, dirigiera al operador.


Otro tipo de Sistemas Expertos son los orientados a la 6reparacin, sin embargo, no se puede decir que sea un tipo realmente nuevo, ya que este enfoque abarca diagnosis y planificacin. Un sistema de instruccin (Sistema Experto para 7formacin) realiza un seguimiento del proceso de aprendizaje de un estudiante. Sistemas expertos tambin se aplican para la toma de decisiones. Los sistemas expertos como una de las reas de la inteligencia artificial son muy importantes para todos los que trabajan en la empresa en los diferentes niveles organizacionales. Los sistemas expertos sirven para mejorar las actividades de la empresa como por ejemplo compras, control de inventarios, otorgacin de crditos, control de procesos de produccin, gestin financiera, configuracin de software, y muchas ms aplicaciones, que son inherentes a la formacin del Ingeniero industrial. Adems de las reas de aplicacin ya citadas, existen otras como las relativas a los sistemas de interpretacin, que realizan tareas de inferencia a partir de una serie de datos observables (p. ej. Anlisis de imgenes, o bien interpretacin de seal). Como punto final se puede decir que el futuro de dichas aplicaciones pasa por la imaginacin de cada uno, siempre que el rea elegida requiera la presencia de un experto para la obtencin de cualquier tipo de beneficio. Campos de Aplicacin

Categora Tipo de Problema Uso

Interpretacin Deducir situaciones a partir de datos observados. Infieren descripciones de situaciones a partir de observaciones provenientes de sensores.

Anlisis de imgenes, reconocimiento del habla, inversiones financieras, interpretacin de seales de audio, de radar, radio etc., comprensin de voz, anlisis de tipos de grietas

Prediccin Infieren las consecuencias probables a partir de un conjunto de situaciones dadas

Prediccin: Meteorolgica, previsin del trfico, evolucin de la Bolsa, demogrfica, trfico, daos a cosechas por algn tipo de insecto, peste, etc., conflictos armados basados en informes de inteligencia, demanda de algn insumo (petrleo, cobre), dada una situacin (geopoltica, econmica, desarrollo).

Diagnstico

Deducir fallos a partir de sus efectos. Infieren mal funcionamiento de sistemas a partir de observaciones. Relaciona irregularidades del comportamiento observado con causas posibles

Diagnstico mdico, deteccin de fallos en electrnica , Componentes defectuosos de un sistema, fallas de equipos en procesos productivos

Diseo

Configurar objetos bajo ciertas especificaciones. Desarrollan configuraciones de objetos basados en restricciones o exigencias del problema. Despus de construidas, verifican que cumplan las especificaciones

Diseo de circuitos, automviles, edificios Diseo de circuitos integrados, Diseo de edificios, Creacin de molculas orgnicas complejas, Configuracin de equipos computacionales

6 Se incluyen sistemas como DELTA, que ayuda a los mecnicos en el diagnstico y reparacin de

locomotoras diesel-elctricas. No solo da consejos expertos, sino que tambin presenta informaciones por medio de un reproductor de vdeo. De hecho se podra encasillar a DELTA ms en el rea de la instruccin que en reparacin, dado que adems proporciona ayudas al trabajo que permiten al estudiante determinar si existe o no un determinado problema, proporcionando tambin formacin especfica sobre el modo de realizar ciertas reparaciones.

7 Adems de DELTA, existen numerosos sistemas de este tipo; STEAMER, por ejemplo, se cre para ensear

a los oficiales de la armada los problemas de funcionamiento de una planta de propulsin a vapor, como las que impulsan a ciertos barcos. El objetivo es dar al estudiante una concepcin global de lo que pasa en la planta en cualquier momento, con la ventaja de que adems el modelo de presentacin es grfico (utilizando Interlisp). Otro sistema de este tipo, aunque en este caso orientado a medicina, es GUIDON, pensado para que lo utilicen las Facultades de Medicina para formar a los mdicos en la realizacin de consultas.


Categora Tipo de Problema Uso

Planificacin Desarrollar planes para llegar a unas metas. Destinados a disear planes de accin.

Programacin de proyectos e inversiones, Planificacin militar, Programacin de rutas, Programacin de robots, Programacin de comunicaciones, Programacin de experimentos, Creacin de planes de vuelo

Monitorizacin o supervisin

Controlar situaciones donde hay planes vulnerables. Comparan el comportamiento de un sistema (observaciones) con comportamiento esperado. A partir de las diferencias sugieren acciones correctivas.

Control de centrales nucleares y factoras qumicas, Monitorear lecturas de instrumentos para detectar condiciones de fallas de equipos industriales, Detectar condiciones favorables a accidentes, Monitoreo de trfico areo

Depuracin

Prescribir remedios para funcionamientos errneos Destinados a encontrar los remedios adecuados para el mal funcionamiento

Seleccin del tipo de manutencin necesaria para corregir fallas en cables telefnicos, Elegir el procedimiento de manutencin para reparar equipamiento (locomotoras, buses, maquinaria industrial, etc.), Seleccin de tratamientos de enfermedades va quimioterapia, Depuracin de programas computacionales

Reparacin

Efectuar lo necesario para hacer una correccin Destinados a desarrollar y ejecutar planes para administrar un remedio para algn problema ya diagnosticado

Reparar sistemas informticos, automviles, Reparacin de automviles, Reparacin de equipos electrnicos, Calibracin de instrumentos

Instruccin

Diagnstico, depuracin y correccin de una conducta Desarrollados para instruir en el aprendizaje independiente

Correccin de errores, enseanza, Capacitacin de personas sobre la operacin de equipamiento, Desarrollo de manuales inteligentes, Manuales de diagnsticos de fallas, Instruccin sobre algn contenido especfico.

Control

Mantener un sistema por un camino previamente trazado. Interpreta, predice y supervisa su conducta. Destinados a gobernar mediante un control el comportamiento general de un sistema. Interpretan repetitivamente la situacin actual, predecir el futuro, diagnosticar las causas de los problemas, formular un plan de remedio y monitorear su ejecucin con tal de asegurar el xito del control. Interactan con modelos determinsticos provenientes de la teora de control

Estrategia militar, control de trfico areo Control de procesos productivos. Control de operaciones

Enseanza Recoger el conocimiento y mostrarlo Aprendizaje de experiencia


5. MANEJO DEL CONOCIMIENTO EN EL DESARROLLO DE UN SISTEMA EXPERTO En el desarrollo de un SE, se deben generar procesos para el manejo del conocimiento. Dependiendo de la metodologa que se siga, estos procesos se hacen en un momento especfico. Es decir, algunas metodologas los incluyen como tareas de una de sus etapas, otras como una etapa especfica y otras como procesos independientes de las etapas pero paralelas a ellas. Se debe contar con un grupo de personas que estarn interactuando entre s y que cumplen los siguientes roles:

Experto: Es la persona o grupo de personas que tiene(n) el conocimiento terico y prctico del rea problema. Este experto debe ser reconocido en su rea de especializacin, lo que implica que sus colegas lo consideran una persona valiosa por sus conocimientos sobre el mismo.

Ingeniero del Conocimiento (IC): Es la persona encargada de construir el sistema. Debe tener los conocimientos profundos sobre cmo desarrollar sistemas basados en el conocimiento, conocer las herramientas de su desarrollo, conocer algunas de las estrategias efectivas de comunicacin y tener unos mnimos conocimiento de psicologa para poder interpretar las expresiones y manifestaciones del experto.

Usuario: Es la persona que va a utilizar el sistema, que se va a ver beneficiado directamente por la implantacin del proyecto. Su conocimiento debe ser considerado al desarrollar el sistema experto.

En trminos generales los procesos que se realizan con el conocimiento son: la adquisicin, representacin, manipulacin y validacin. A continuacin se presenta cada uno de ellos, [10]. 1) Adquisicin del Conocimiento: se refiere a la labor de extraccin del conocimiento de las fuentes estticas y dinmicas. No debe confundirse con el mdulo de adquisicin del conocimiento mencionado. El objetivo final de este proceso es construir los modelos del conocimiento del sistema experto, por ello se realiza durante todo el desarrollo del sistema, desde el mismo momento en que se comienza a estudiar el problema y su solucin hasta cuando se lleva a cabo su evolucin. Dependiendo del tipo de fuente de conocimiento que se va a utilizar se sigue alguno de los siguientes procedimientos: 1.1) Adquisicin del conocimiento de una fuente esttica. Una fuente de conocimiento esttica es aquella en la que su contenido no puede variar, por ejemplo un libro, una revista, un artculo. Lo primero que se debe hacer es seleccionar las fuentes ms apropiadas que estn relacionadas con el problema para adquirir los conocimientos bsicos del tema en estudio, evaluando todos los recursos que se tengan disponibles bien sea al interior del ambiente donde se encuentra el problema o fuera de l. Comnmente, el experto es quien aconseja qu fuentes estudiar. Luego, se hace un estudio minucioso de ellas para que as el ingeniero de conocimiento pueda adquirir ese conocimiento bsico y fundamental del dominio del experto y conseguir realizar un proceso de adquisicin eficiente y eficaz. Por ltimo, se debe hacer una comprobacin del conocimiento que se extrajo para saber si ste es correcto o no. 1.2) Adquisicin del conocimiento de una fuente dinmica. Una fuente de conocimiento dinmica refleja las caractersticas del conocimiento tal como es, la variabilidad, el hecho de ser inexacto, etc. El hombre forma parte de este tipo de fuente, en particular, el experto. Hay diferentes estrategias para llevar a cabo la adquisicin, se presentan a continuacin las ms usuales. - Entrevista directa o formal: Consiste en realizar conversaciones personales entre el Ingeniero del

Conocimiento y la fuente del conocimiento, bien sea el experto o el usuario. Se establece un plan de la reunin en el que se determina el objetivo principal de la misma, el tema a tratar, los recursos que se necesitan para registrar la entrevista, la fecha, la hora y el lugar donde se llevar a cabo dicha entrevista. Este plan debe ser luego enviado a la persona que se va a entrevistar para que lo revise, lo corrija, lo apruebe y as tenga la oportunidad de prepararse con anterioridad. Este tipo de recurso es muy valioso, aunque debe ser manejado con mucha seriedad y precaucin, teniendo en cuenta lo costoso del tiempo que se va a invertir. Por lo tanto, el ingeniero de conocimiento debe determinar los medios que requiere para poder conservar y revisar el conocimiento adquirido.

- Entrevista informal: se realiza de forma personal pero no planeada. Es aprovechar la oportunidad del encuentro entre el IC y la persona que tiene el conocimiento, en donde el primero le hace una corta entrevista al segundo. Obviamente, por ser una entrevista espordica o imprevista, no se tienen disponibles los medios que permiten registrar el conocimiento, por lo tanto, se debe tener mucho cuidado para evitar su inadecuado manejo.


- Observacin del trabajo real del experto: consiste en examinar la labor del experto en su ambiente de trabajo, solucionando un problema como el que se est tratando de simular. La ventaja del conocimiento que se adquiere en esta forma es que es muy espontneo, ya que el experto est tomando las decisiones sin tener mucho tiempo para analizar el por qu de ellas. Adems, no se le permite cuestionar si est haciendo lo correcto o no, solamente l hace lo que cree que es mejor en esa situacin.

- Cuestionario: es una encuesta muy bien diseada que se utiliza especialmente para cuando se requiere obtener las ideas que tienen varias personas sobre el tema. Puede llegar a ser muy difcil de disear e inclusive, de manejar.

2) Representacin del Conocimiento El conocimiento puede definirse como el conjunto de hechos y principios acumulado por una clase de acto, hecho o estado del conocimiento. Es un conjunto de datos sobre hechos, verdades o de informacin ganada a travs de la experiencia o del aprendizaje (a posteriori), o a travs de introspeccin (a priori). De cmo se representa el conocimiento se determinar la eficiencia en la manipulacin del mismo. La representacin debe poseer un conjunto de convenciones sintcticas y semnticas que hagan posible describir las cosas. La sintaxis son los smbolos y conjunto de reglas para combinarlos y la semntica es el significado de las expresiones construidas. Un sistema para la representacin del conocimiento debe contar con los siguientes ingredientes bsicos: Un lenguaje de representacin: es la capacidad de simbolizar todos los tipos de conocimiento

necesarios para el tema en estudio. Capacidad de inferencias: es la suficiencia para manipular las estructuras de representacin del

conocimiento que permitan derivar nuevas estructuras en base al conocimiento inferido, as como la eficiencia al incorporar conocimiento adicional que permita obtener mejores respuestas.

Eficiencia de adquisicin: es la capacidad para adquirir nuevo conocimiento. No existe una representacin que sea lo suficientemente robusta como para incluir las propiedades antes descritas, sin embargo se puede tener como referencia los siguientes criterios para juzgar una representacin: Capacidad lgica: que sea capaz de representar el conocimiento que deseamos expresar. Heurstica: capacidad de resolver problemas. Declarativa: facilidad para acceder al conocimiento y facilidad de entendimiento. 2.1) Tipos de Representacin La representacin del conocimiento puede dividirse en: Representacin declarativa: es aquella en la que el conocimiento est especificado, pero las

maneras en que debe utilizarse no viene dado (saber qu). Entre las caractersticas de los mtodos declarativos estn:

- Economa de representacin: una nica sentencia admite varios usos. - Naturalidad: al leer una sentencia es fcil de comprender su significado. - Modularidad: al cambiar una sentencia se cambia el conocimiento. - Ineficiencia: no se sabe cual es el conocimiento, aspecto importante para resolver un problema

concreto.

Representacin procedural: es aquella en que la informacin de control necesaria para utilizar el conocimiento viene inmersa en el propio conocimiento (saber cmo). El conocimiento est escrito mediante un conjunto de procedimientos que permiten resolver un problema. Sus caractersticas son:

- Eficiencia: se utiliza en cada momento el conocimiento preciso. - Inflexibles: modificar el conocimiento puede requerir revisar todo el sistema.

En particular, se tiene inters en este trabajo en la representacin del conocimiento procedural. ste indica que hacer si se d una situacin. La tcnica ms usada para representarlo son las reglas de produccin. Un sistema basado en reglas de produccin consta de:

- Un conjunto de reglas de produccin: del tipo si C entonces A, y a veces llevan asociado un conocimiento de certeza.

- Sistema de gestin de base de datos: consta de los hechos del problema a solucionar. - Intrprete de reglas: identifica las reglas a usar y cmo usarlas.

Entre las ventajas que tienen estn: modularidad de enfoque y captar conocimiento probabilstico til; entre las desventajas, sta necesita un mecanismo eficiente de bsqueda de reglas dependiendo del problema tratado.


Referencias Bibliogrficas GARCA MARTNEZ R., BRITOS P, Ingeniera de Sistemas Expertos. Editorial Nueva Librera. Buenos Aires. (2004) KASTNER, J. Y HONG S. (1984). A review of expert systems. European journal of operational research, p.p. 285-292. GUTIRREZ, J. (1994) Sistemas Expertos Basados en Reglas, Dpto. de Matemtica Aplicada. Universidad de Cantabria. Anlisis de la relacin entre la ingeniera del conocimiento y la gestin del conocimiento en base al modelo de NONAKA Y TAKEUC, http://www.intangiblecapital.org/Articulos/N9/0033.htm#notas GMEZ J.A., PUERTA J.M. Sistemas Expertos Probabilsticos, Coleccin Ciencia y Tcnica, vol. 20. Ediciones de la Universidad de Castilla-La Mancha. Cuenca, (1998). MINSKY. M., A framework for representing knowledge. En: P. H. Winston (ed.), The Psychology of Computer Vision, pgs. 211277. McGraw-Hill, Nueva York, (1975).

Documents

Apuntes de SE